面向高维度目标函数的微粒群优化算法.pdfVIP

维普资讯 第29卷第5期 东 北 大 学 学 报 ( 自 然 科 学 版 ) V01．29．No．5 2008年 5月 JournalofNortheasternUniversity(NaturalScience) Mav 2008 面向高维度 目标函数的微粒群优化算法 赵 海 ，宋纯贺，祁田宇，龚红艳 (东北大学 信息科学与工程学院，辽宁 沈阳 110004) 摘 要：针对基本微粒群算法在处理高维度 目标函数容易出现早熟的问题 ，提出了一种新的微粒群算法 — — 面向高维度 目标函数的微粒群算法(HDOF—PSO)．分析了基本微粒群算法难以处理高维度 目标函数的原 因．通过引入信心度和试探策略，算法的收敛速度得到提高；通过引入成功度，搜索过程中的变异概率能够 自 适应修正．在特定测试函数集上的实验表明，HDOF—PSO在处理高维 目标函数时，比基本微粒群算法和一个 改进的微粒群算法具有更快的收敛速度和更好的收敛性． 关 键 词：群体智能；微粒群算法；高维度；自适应试探 ；自适应变异 中图分类号：TB 114．3；TH 122 文献标识码：A 文章编号：1005—3026(2008)05—0649—04 StudyonHigherDimensionalobjectFunctionofPSO ZHAOHai，SONGChun—he，QITian—yu，GONG Hong-yan (Schoolof Information Science Engineering， Northeastern University， Shenyang 110004， China Correspondent：SONGChun—he，E—mail：tedachun@ 163．corn) Abstract：A higher．dimensional—．object—．functionparticleswarlTloptimizerHIX)F—-PSO algorithm isproposedfortheprematuritieswhichareeasy totakeplacewhendealingwith thehigher— dimensionalobjectfunctionbyBPSO(basicalparticleswarlTloptimizer)algorithm．Thereamn whyHI)OF—PSO iSdifficulttobedealwithhasicalPSO algorithm iSanalyza1．Theconfidence levelandtrial—and—errorstrategyareintroduced intothealgorithm toaccelerateitsconvergence ratewiththeprobabilityofsuccessalsointroducedintoenabletheadaptivecorrectionavailableto theprobabilityofmutation in searching process．Theexperimentalresultsofaspecificsetof benchmerkfunctionsshowedthattheHDOF—PSO algorithm hasbetterconvergenceandhigher dimensionalobjectfunctions． Keywords： SWallTlintelligence；PSO algorithm；higherdimension；adaptivetrial—a·nd—e·rror； adaptive—mutation 微粒群优化算法 (particleswarlTloptimizer， 中所采用的测试函数维度较低，很少有专门针对 eso)是Kennedy和Eberhart于 1995年提出的一 高维测试函